Se han logrado avances significativos en la cartografía de malas hierbas desde plataformas aéreas no tripuladas en los últimos años. La detección de la ubicación de las malas hierbas ha hecho posible la generación de tratamientos específicos en el sitio para reducir el uso de herbicidas de acuerdo con los mapas de cobertura de malas hierbas. Sin embargo, la caracterización de las infestaciones de malas hierbas no debería limitarse a la ubicación de los cultivos de malas hierbas, sino que también debería poder distinguir los tipos de malas hierbas para permitir la mejor elección posible de tratamiento con herbicidas a aplicar. Un primer paso en esta dirección debería ser la discriminación entre malas hierbas de hoja ancha (dicotiledóneas) y malas hierbas de gramíneas (monocotiledóneas). Teniendo en cuenta los avances en la detección de malas hierbas basada en imágenes adquiridas por vehículos aéreos no tripulados, y la capacidad de las redes neuronales para resolver problemas de clasificación difíciles en teledetección, estas tecnologías se han fusionado en este estudio con el objetivo de explorar su potencial para la detección de malas hierbas de hoja ancha y de gramíneas en cultivos herbáceos de hileras anchas como el girasol y el algodón. Se obtuvieron precisiones globales de alrededor del 80% en ambos cultivos, con precisiones de usuario para malas hierbas de hoja ancha y de gramíneas alrededor del 75% y 65%, respectivamente. Estos resultados confirman el potencial de la combinación presentada de tecnologías para mejorar la caracterización de diferentes infestaciones de malas hierbas, lo que permitiría la generación de mapas de tratamiento con herbicidas oportunos y adecuados según los grupos de malas hierbas.